Approximate Sparsity Class and Minimax Estimation
近似稀疏函数类与极小极大估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用非参数密度估计与极小极大理论，未研究分位数或经济分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
近似稀疏函数类与极小极大估计
- 研究问题
- 以给定正交基下傅里叶系数的衰减刻画近似稀疏性时，该函数类的复杂度、极小极大估计速度和自适应估计能力如何？
- 方法与思路
- 作者定义由系数衰减率刻画的近似稀疏函数类，建立其平方可积度量熵，并为其中的密度提出硬阈值自适应估计。
- 材料陈述的贡献
- 摘要称得到该函数类的度量熵与极小极大收敛速度，所提密度估计量能够达到相差一个对数项的极小极大速度。
- 阅读关注点
- 核对系数衰减类的精确定义、对正交基与测度的要求，极小极大上下界的对应关系，以及自适应范围和对数损失来源。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未列衰减条件、具体速率或证明，无法判断结果与其他函数类的包含关系。
原文摘要
Motivated by the orthogonal series density estimation in $L^2([0,1],μ)$, in this project we consider a new class of functions that we call the approximate sparsity class. This new class is characterized by the rate of decay of the individual Fourier coefficients for a given orthonormal basis. We establish the $L^2([0,1],μ)$ metric entropy of such class, with which we show the minimax rate of convergence. For the density subset in this class, we propose an adaptive density estimator based on a hard-thresholding procedure that achieves this minimax rate up to a $\log$ term.